- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-разработчик в Еду
Оценка ИИЭто позиция в одной из сильнейших ML-команд страны с доступом к огромным массивам данных и передовым технологиям. Работа в Яндексе обеспечивает отличный карьерный рост и профессиональное комьюнити, хотя и требует высокой отдачи.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена строгими требованиями Яндекса к алгоритмической подготовке и глубоким знаниям в области ML (ранжирование, рекомендации, нейросети). Работа предполагает работу с высоконагруженными системами и сложной математикой.
Анализ зарплаты
Оценка ИИЗарплата в Яндексе для ML-разработчиков обычно соответствует верхнему децилю рынка. Хотя в объявлении цифры не указаны, для опытных специалистов (Middle+/Senior) в Москве вилка составляет от 350 000 до 600 000 рублей плюс значительные бонусы и опционы.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Яндекс уже сейчас
Присоединяйтесь к команде Яндекса, чтобы создавать персонализированные рекомендации для миллионов пользователей Еды!
Описание вакансии
Яндекс hub| ✅ verified
Офис, Фултайм
Наша команда управляет алгоритмической и ML-составляющей для ранжирования в клиентском продукте Еды. Мы разрабатываем персональные рекомендации, улучшаем поиск, развиваем новые пользовательские продуктовые сценарии, а также помогаем запускать ранжирование для новых стран и активно внедряем как классические методы машинного обучения, так и передовые нейросетевые разработки для улучшения качества ранжирования в Еде...(Откликнуться)
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- Ranking
- Recommender Systems
- Deep Learning
- Neural Networks
- Search Algorithms
Возможные вопросы на собеседовании
Вакансия связана с ранжированием в Еде, где персонализация критически важна.
Как бы вы спроектировали систему персональных рекомендаций для ресторанов, учитывая историю заказов и текущее местоположение пользователя?
В описании упоминается внедрение нейросетевых разработок.
В каких случаях для ранжирования в e-commerce лучше использовать градиентный бустинг, а в каких — глубокое обучение (Deep Learning)?
Команда занимается улучшением поиска.
Как вы будете оценивать качество поиска и ранжирования в офлайн- и онлайн-режимах (метрики NDCG, MRR, CTR)?
Яндекс известен своими алгоритмическими секциями.
Решите задачу на оптимизацию: как эффективно найти K ближайших соседей в пространстве признаков большой размерности?
Упоминается запуск ранжирования для новых стран.
С какими проблемами «холодного старта» вы можете столкнуться при запуске рекомендаций в новом регионе и как их решить?
Похожие вакансии
Senior MLOps инженер
Team Lead Data Science / ML
MLOps инженер (Team Lead)
MLOps инженер (Тимлид)
Senior MLOps инженер
Senior Data Engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!